Python 数据集探索与可视化实例指南

上一篇 / 下一篇  2020-10-22 09:35:32

  在今天的文章中,您将学习:
  ·如何合并和整理数据,
  ·如何探索和分析数据,
  ·如何创建漂亮的图形以可视化您的发现
  本文适用于谁:
  ·经常处理数据的人
  ·Python和Pandas有基本了解的人
  情景再现:
  你的任务是提高销售团队的绩效。在我们假设的情况下,潜在客户有相当自发的需求。当这种情况发生时,您的销售团队会在系统中放置一个订单线索。然后,您的销售代表会设法安排一次会议,会议将在订单线索被注意到的时候举行。有时在前,有时在后。你的销售代表有一个把会议和餐费结合起来的开支预算。销售代表花费他们的成本,并将发票交给会计团队处理。在潜在客户决定是否接受您的报价后,销售代表会跟踪订单线索是否转化为销售。
  对于分析,您可以访问以下三个数据源:
  ·订单线索(包含所有订单线索和转换信息)
  ·销售团队(包括公司和负责的销售代表)
  ·发票(提供发票和参与者的信息)
  导入和安装:
  需要安装标准库,此外,通过使用以下命令,在你的Notebook上安装seaborn.
  !pip install seaborn 
  下载数据:
  您可以按照上周的说明下载并合并数据,也可以从此处下载文件并将其加载到 Notebook中。
sales_team 数据表的前两行
order_leads数据表的前两行
invoices数据表的前两行
  开始探索
  总转化率发展:
转化率随时间的变化
  事情似乎在2017年初走下坡路。经过与首席销售官核实,发现大约在那个时候有一个竞争对手进入了这个市场。很高兴知道,但我们现在无能为力。
  _ = order_leads.set_index(pd.DatetimeIndex(order_leads.Date)).groupby(    pd.Grouper(freq='D')     
   
  )['Converted'].mean()    
  ax = _.rolling(60).mean().plot(figsize=(20,7),title='Conversion Rate Over Time')      
  vals = ax.get_yticks()      
  ax.set_yticklabels(['{:,.0f}%'.format(x*100) for x in vals])   
   
  sns.despine() 
  1. 我们使用下划线_作为临时变量。对于以后不再使用的一次性变量,我通常会这样做。
  2. 我们在order_leads.Date上使用了pd.DateTimeIndex并将结果设置为索引,这使我们能够
  3. 使用pd.Grouped(freq ='D')按天对数据进行分组。 或者,您可以将频率更改为W,M,Q或Y(每周,每月,每季度或每年)
  4. 我们计算每天“转换”的平均值,这将给出当天订单的换算率。
  5. 我们使用.roll(60)和.mean()来获得60天的滚动平均值。
  6. 然后我们格式化yticklables,使它们显示一个百分号。
  各销售代表的转化率:
  各个销售代表之间似乎存在很大的差异。 让我们对此进行更多调查。
  就所使用的功能而言,这里没有太多新内容。 但是请注意我们如何使用sns.distplot将数据绘制到轴上。
  如果我们回顾sales_team数据,我们会记住并非所有的销售代表都拥有相同数量的客户,这肯定会产生影响! 让我们检查。
按分配的帐户数分配的转换率
  我们可以看到,转换率数字似乎与分配给销售代表的帐户数量成反比。 那些降低的转化率是有道理的。 毕竟,代表拥有的帐户越多,他可以花在每个人身上的时间就越少。
  在这里,我们首先创建一个辅助函数,该函数将垂直线映射到每个子图中,并用数据的均值和标准差注释该线。然后我们设置一些seaborn绘图默认值,例如较大的font_scale和whitegrid设置为样式。
  进餐影响:
进餐数据
  看来我们已经确定了用餐的日期和时间,让我们快速了解一下时间分布:
  invoices['Date of Meal'] = pd.to_datetime(invoices['Date of Meal'])     
  invoices['Date of Meal'].dt.time.value_counts().sort_index()
 
  out: 
  07:00:00    5536 
  08:00:00    5613 
  09:00:00    5473 
  12:00:00    5614 
  13:00:00    5412 
  14:00:00    5633 
  20:00:00    5528 
  21:00:00    5534 
  22:00:00    5647 
  总结:
  invoices['Type of Meal'] = pd.cut(     
      invoices['Date of Meal'].dt.hour,     
      bins=[0,10,15,24],     
      labels=['breakfast','lunch','dinner']     
  ) 
  注意,这里我们是如何使用pd.cut为数字数据分配类别的,这很有意义,因为毕竟,早餐是在8点还是9点开始,都没有关系。
  另外,请注意我们如何使用.dt.hour,我们只能这样做,因为我们将
  invoices['Date of Meal']转换为之前的日期时间。 .dt是所谓的访问器,其中有三个cat,str和dt。 如果您的数据类型正确,则可以使用这些访问器及其方法进行直接操作(计算有效且简洁)。不幸的是,invoices ['Participants']是一个字符串,我们必须首先将其转换为合法的JSON,以便我们 可以提取参与者的数量。
  def replace(x):     
      return x.replace("\n ",",").replace("' '","','").replace("'",'"')     
  invoices['Participants'] = invoices['Participants'].apply(lambda x: replace(x))     
  invoices['Number Participants'] = invoices['Participants'].apply(lambda x: len(json.loads(x))) 
  现在,我们合并数据。 为此,我们首先将公司ID上的所有发票左连接到order_leads。 但是,合并数据会导致所有餐点都加入所有订单。 也有古老的饭菜,以最近的订单。 为了缓解这种情况,我们计算了进餐和点餐之间的时间差,并且仅考虑订单周围五天的进餐。
  仍然有一些订单已分配多餐。 当同时有两个订单和两餐时,可能会发生这种情况。 然后,两餐将分配给两个订单线索。 要删除这些重复项,我们仅使餐点最接近该订单。
组合数据的部分
  我创建了一个绘图栏功能,其中已经包含一些样式。 通过该功能进行绘图可以使目视检查更快。 我们将在一秒钟内使用它。
  进餐类型的影响:
  orders_with_meals['Type of Meal'].fillna('no meal',inplace=True)     
  _ = orders_with_meals.groupby('Type of Meal').agg({'Converted': np.mean})     
  plot_bars(_,x_col='Type of Meal',y_col='Converted') 
  哇! 用餐相关的订单与不用餐相关的订单之间的转换率差异非常大。 不过,看起来午餐的转化率略低于晚餐或早餐。
  时间的影响(即进餐之前或之后进餐):
  _ = orders_with_meals.groupby(['Days of meal before order']).agg(     
  {'Converted': np.mean}     
  )     
  plot_bars(data=_,x_col='Days of meal before order',y_col='Converted') 
  “订购前用餐天数”为负数表示用餐是在订单线索输入之后进行的。我们可以看到,如果膳食在订单线索进入之前发生,则对转化率似乎有积极影响。 订单的先验知识似乎在这里给我们的销售代表带来了优势。
  结合所有:
  ·现在,我们将使用热图同时可视化数据的多个维度。 为此,首先创建一个辅助函数。
  ·然后,我们使用一些最终数据进行争辩,以额外考虑餐食价格与订单价值的关系,并将交货时间分配到“订购前”,“订购前后”,“订购后”,而不是从负4到正4的天数,因为这在解释方面有些繁琐。
  运行以下代码片段将产生多维热图。
  draw_heatmap(     
      data=data,     
      outer_row='Timing of Meal',     
      outer_col='Type of Meal',     
      inner_row='Meal Price / Order Value',     
      inner_col='Number Participants',     
      values='Converted'     
  ) 
热图可在一幅图中可视化四个维度
  该热图当然很漂亮,尽管起初有点难读。 因此,让我们来看一下。 图表总结了4个不同维度的影响:
  ·用餐时间:订购后,订购前后,订购前(外排)
  ·用餐类型:早餐,晚餐,午餐(外栏)
  ·餐单价格:最低价格,最低价格,比例价格,最高价格,最高价格(内排)
  ·参加人数:1,2,3,4,5(内栏)
  当然,图表底部的颜色似乎更深/更高,这表明:
  ·在点餐之前用餐时,转化率会更高
  ·当只有一名参与者时,晚餐转化率似乎更高
  ·与订单价值相比,看起来更昂贵的餐食对转化率有积极影响
  结果:
  ·销售代表的帐户不要超过9个(转化率会迅速下降)
  ·确保每个订单线索都伴随有会议/进餐(因为这会使转换率翻倍当只有一位员工来访时,晚餐最有效
  ·您的销售代表应支付的餐费约为订单金额的8%至10%
  ·时间是关键,理想情况下,您的销售代表应尽早知道即将达成交易。
  单击此处查看代码: GitHub Repo / Jupyter Notebook
  备注为热图:
  ·要解决可能出现的格式错误,可以先卸载(然后在终端中必须这样做),然后运行以下命令,将matplotlib降级到3.1.0版:
  !pip install matplotlib==3.1.0 

TAG: 软件开发 Python

 

评分:0

我来说两句

显示全部

:loveliness: :handshake :victory: :funk: :time: :kiss: :call: :hug: :lol :'( :Q :L ;P :$ :P :o :@ :D :( :)

日历

« 2020-11-25  
1234567
891011121314
15161718192021
22232425262728
2930     

数据统计

  • 访问量: 8360
  • 日志数: 73
  • 建立时间: 2020-08-11
  • 更新时间: 2020-11-25

RSS订阅

Open Toolbar